先看现象。内部成本报表按字符数乘 0.6 估 token，跑了一个月跟账单核对，输入侧少报 35%，中文长文和代码混排的批次差得最多，单批差了近两千 token。
真正麻烦的地方在于，几个原因的现象几乎一样。中文一个字常见要占一到两个 token，0.6 的系数只适合英文。还有一种是代码与 JSON 里的符号被拆成多个 token，估算完全没覆盖。
另外，只算了用户输入，system 提示与历史轮次漏在账外。
少数情况下是不同模型的分词器不一样，系数却全站通用。
第一件事是用分词器实测一段样本的真实 token 数
python -c "import tiktoken;e=tiktoken.get_encoding('o200k_base');print(len(e.encode(open('sample.txt').read())))"拿实测值和现有估算逐条对比
python check_token.py --file sample.txt --factor 0.6然后按语言类型给不同系数
python -c "print({'zh':1.5,'code':2.2,'en':0.28})"报表改为直接读接口返回的 usage 字段
python -c "print('usage.prompt_tokens','usage.completion_tokens')"怎么算真的好了，看的是同一批现象。抽 200 条样本估算与实测偏差小于 5%，月度报表与账单总额差异小于 2%，中文批次不再单向偏低。
提醒一点。系数法只适合做预算预警，真正对账必须用 usage，换模型的那个月偏差会集中爆发。这类问题最好一次改到位，反复小改反而容易把原因搅混。